Марина Николаевна Семиколенова — кандидат экономических наук, доцент кафедры экономикив энергетике и промышленности
Москва
Marina N. Semikolenova — Cand. Sci. (Econ.), Assoc. Prof., Department of Economics in Power Engineering and Industry
Moscow
Инна Николаевна Санникова — доктор экономических наук, профессор, профессор кафедры экономической безопасности, учета, анализа и аудита
Барнаул
Inna N. Sannikova — Dr. Sci. (Econ.), Prof., Prof. of the Department of Economic Security, Accounting, Analysis and Audit
Barnaul
Современное развитие технологий искусственного интеллекта (ИИ) ставит организации перед дилеммой: с одной стороны, повышение эффективности и оперативности бизнес-процессов за счет внедрения новых инструментов, с другой — угроза возникновения стратегических рисков в результате их применения. Баланс существующих возможностей и рисков способна обеспечить грамотно организованная и выстроенная система внутреннего аудита ИИ-моделей. Цель настоящего исследования состоит в раскрытии ключевых преобразований, с которыми сталкивается внутренний аудит в условиях развития и внедрения ИИ-технологий в операционную деятельность компаний. Основными методами работы стали обобщение, сравнение, оценка, библиометрический, сетевой, кластерный и контент-анализ. Комплексное использование названных инструментов позволило выявить основные тренды, проблемные области и лучшие практики в сфере аудита ИИ. Результатом исследования явилась разработка ключевых этапов внутреннего аудита моделей ИИ (интегрированных в бизнес-процессы компании) с учетом специфики использования последних, задач по обеспечению регуляторных и корпоративных требований к их внедрению и возникающих при этом рисков. Предложенный алгоритм охватывает полный жизненный цикл ИИ-моделей —от проверки качества входящих данных и корректности работы на этапе внедрения до мониторинга результатов применения (а именно — их конфиденциальности, точности и надежности), а также соответствия нормативным, этическим требованиям в ходе эксплуатации. Результаты исследования являются полезными для специалистов подразделений внутреннего аудита экономических субъектов, разрабатывающих корпоративные стандарты и регламенты аудита внутренних бизнес-процессов.
The current development of artificial intelligence technologies presents organisations with a dilemma: on the one hand, improving the efficiency and effectiveness of business processes through the introduction of new tools, and on the other hand, significantly transformation of strategic risks as a result of their application. A well-organised and structured internal audit system for AI models can balance these opportunities and risks. The objective of this study is to identify the key transformations facing internal audit in the framework of AI technologies development and implementation in companies’ operations. The key methods of research include system analysis, generalisation, comparison, evaluation, bibliometric analysis, network, cluster, and content analysis. The integrated use of these methods allowed us to identify key trends, problem areas, and best practices in AI auditing. The findings resulted in the development of key stages for the internal audit of AI models integrated into companies’ business processes, taking into account the specifics of implementation of the latter, the challenges of ensuring regulatory and corporate requirements for their usage of these models. The proposed internal audit algorithm covers the entire lifecycle of AI models: from checking the quality of incoming data and algorithm validity during implementation to monitoring application results and ensuring compliance with regulatory and ethical requirements during operation. This ensures the required level of information security, confidentiality, accuracy, and reliability of the obtained results. The research results are useful for specialists in internal audit departments of economic entities engaged in developing corporate standards and regulations for auditing internal business processes.
The authors declare that there are no conflicts of interest present.